- 相关博文
- 最新资讯
-
作者 | 年素清责编 | 王晓曼出品 | 程序人生(ID:coder _life)无论是整日写代码的程序员,还是依靠电脑工作的白领,他们的日常操作肯定离开不了“复制”和“粘贴”这两个功...
-
Google 重磅发布 Flutter 2 !一套代码横扫 5 大系统原创 郑丽媛 CSDN 今天今日,谷歌重磅发布了下一代 Flutter —— 专为 Web、移动和桌面而构建的 Flutter 2!作为谷歌免费开源的 UI 工具包,Flutter 帮助许多开发者构建了多平台应用,支持移动、Web、桌面和嵌入式平台,仅在 Google Play Store 平台上就有已超过 15 万个基于 Flutter 开发的应用,国内我们熟知的闲鱼 App、以及“国民应用”微信,均使用了 Flutter 进行
-
编者按:新药研发的过程是一个耗资大、周期长以及风险高的行业,传统的药物研发据统计,平均研究每一个新药从靶点发现到药物上市需要大约10年的时间和需要大约20亿美元的研究经费。如今,人工智能正在改变这一现状。Insilico Medicine这首次利用AI成功地将生物学和化学结合起来,发现了一个新的生物靶点,以及相应的候选药物,整个研发过程仅耗费短短18个月,研发成本只有260万美元,相当于类似项目的十分之一。作者 | 阿司匹林出品 | CSDN新药研发的贵,超出想象!一款创新药物的研发.
-
内容导读北京时间 3 月 4 日,PyTorch 官方博客发布 1.8版本。据官方介绍,新版本主要包括编译器和分布式训练更新,同时新增了部分移动端教程。整体来看,本次版本更新涵盖 1.7 版本发布以来,共计 3,000 多次 commit,包括编译、代码优化、科学计算前端 API 以及通过 pytorch.org 提供的二进制文件支持 AMD ROCm。同时 PyTorch 1.8 还为管道和模型并行的大规模训练,进行了功能改进和梯度压缩。其中一些重点更新包括:通过 torch.fx.
-
词向量模型简介概述词向量维度Word2VecCBOW 模型Skip-Gram 模型负采样模型词向量的训练过程1. 初始化词向量矩阵2. 神经网络反向传播概述我们先来说说词向量究竟是什么. 当我们把文本交给算法来处理的时候, 计算机并不能理解我们输入的文本, 词向量就由此而生了. 简单的来说, 词向量就是将词语转换成数字组成的向量.当我们描述一个人的时候, 我们会使用身高体重等种种指标, 这些指标就可以当做向量. 有了向量我们就可以使用不同方法来计算相似度.那我们如何来描述语言的特征呢? 我们把语
-
来自『央视新闻』 编辑 / 昱良9月18日,华为发布全球最快AI训练集群——Atlas 900。这款AI产品,取名自古希腊神话中的擎天巨神。它有什么特别之处?真能“擎天”...
-
2016年,DeepMind的围棋机器人AlphaGo在与李世石的第二局对决中第37手落子的瞬间,整个围棋界都震惊了。评棋人Michael Redmond,一位有着近千场顶级比赛经验的职业棋手,在直播中目瞪口呆,他甚至把这颗棋子从棋盘上拿下来观察周边的情况,仿佛要确认AlphaGo是否下错了棋。第二天,Redmond告诉美国围棋E杂志:“我到现在还不明白这步棋背后的道理。”李世石这位统治了世界棋坛十年的大师,花了 12 分钟来研究这一棋局,之后才做出回应。图 13-1展示了这手传说中的落子。图.
-
对于新手来说,在编程过程中最头痛的事就是遇到Bug后不知所措。时至今日,当有新手在群里提问时,也不时会看到下图的解决方案,即通过百度或者其他搜索引擎来解决问题: 诚然,很多问题可以通过搜索引擎得到答案。但往往忽视了解决Bug的第一种方法:查阅API文档。对于新手来说,正确使用API文档,至少能解决50%的问题。所以,我们很有必要来系统学习一下API文档的相关知识。文章目录1. 什么是API文档?2. 为什么要学会查阅API文档?3. 如何学会查阅API文档?1. 什么是API文档? 要解释
-
打开终端输入一下代码就可以啦!while(True): str=input("用户::"); print("假AI::"+str.strip("吗??")+"!");一个例子:Python strip()方法Python strip() 方法用于移除字符串头尾指定的字符(默认为空格或换行符)或字符序列。注意:该方法只能删除开头或是结尾的字符,不能删除中间部分的字符。strip()方法语法:str.strip([chars]);参数:chars ,移除字符串头尾指定的字符序列。返回值
-
最近遇到了一个联合对数正态分布的相关系数的问题,搜遍全网无果,索性自己动手。本文借鉴了这个知乎回答首先我们有二维正态分布:X,Y∼BVN(μx,μy,σx2,σy2,ρxy)X,Y\sim \mathbf{BVN}(\mu_x,\mu_y,\sigma_x^2,\sigma_y^2,\rho_{xy})X,Y∼BVN(μx,μy,σx2,σy2,ρxy)取对数之后我们会得到二维对数正态分布的概率密度函数。只写了第一象限的函数表达式,其他地方都是0。f(x,y)=12π1−ρxy2σxσyx
-
本文将会分享近期发布的七大GitHub机器学习项目。这些项目广泛覆盖了机器学习的各个领域,包括自然语言处理(NLP)、计算机视觉、大数据等。最顶尖的Github机器学习项...
-
要说最近几年计算机考研的特点是什么,就是四个字:“年年爆炸”!实际上,计算机考研不仅年年爆炸,而且每年的爆炸情况都比往年严重!我们来看看网络上已经公布的一些考生分数,看看什么才是真正的“神...
-
python猜单词小游戏猜单词小游戏对单词字母的重新排序循环猜测环节完整代码参考来源猜单词小游戏利用python实现一个猜单词的小游戏,需要导入的库为random库。设计逻辑:从单词列表中随机选取一个单词,对单词里的字母顺序进行重新随机排序,从而产生新的字符串,玩家通过这个新的字符串猜测原单词。对单词字母的重新排序先处理这个程序的核心代码就是如何生成乱序的单词jumble = ""while word: position = random.randrange(len(word)) #
-
本文将介绍由腾讯与欧洲顶级农业大学 WUR(荷兰瓦赫宁根大学)共同举办的第二届“国际智慧温室种植大赛”预赛情况。9月20日,腾讯与欧洲顶级农业大学 WUR(荷兰瓦赫宁根大...
-
一、问题背景无人机在拍摄视频时,由于风向等影响因素,不可避免会出现位移和旋转,导致拍摄出的画面存在平移和旋转的帧间变换, 即“抖动” 抖动会改变目标物体 (车辆、行人) 的坐标,给后续的检测、跟踪任务引入额外误差,造成数据集不可用。理想的无抖动视频中,对应于真实世界同一位置的背景点在不同帧中的坐标应保持一致,从而使车辆、行人等目标物体的坐标变化只由物体本身的运动导致,而不包含相机的运动 抖动可以由不同帧中对应背景点的坐标变换来描述二、抖动的量化指标抖动可以用相邻帧之间的 x 方向平
-
技术无国界、无性别、无身份之分。即使在男性占比较高的 IT 技术发展的关键历程里,优秀的女程序员也从不缺席。谈及世界上第一位女程序员 Ada Lovelace,她于 1842 年就已为当代计算机的原型概念 Charles Babbage 的分析机编写出了世界上第一个机器算法;作为一名非常厉害的计算机科学家,Barbara Liskov 的创新性研究为计算机编程领域带来了巨大变革,并领导 CLU 编程语言的设计,也为面向对象程序设计(OPP)奠定了基础;Margaret Hamilton,24 岁的她机
-
任务描述来源为:日本广岛Quest2020:柠檬外观分类竞赛部署实践比赛链接:https://signate.jp/competitions/4313-31比赛截止,大佬们可以去试试,我这个必然拿不住奖,仅做练习。数据集:可以在百度ai studio找到。如何根据据图像的视觉内容为图像赋予一个语义类别是图像分类的目标,也是图像检索、图像内容分析和目标识别等问题的基础。本实践旨在通过一个美食分类的案列,让大家理解和掌握如何使用飞桨2.0搭建一个卷积神经网络。特别提示:本实践所用数据集均来自互
-
前言在上次的文章中我们解析了backbone网络的构建源码,在这篇中我们针对model.py剩余的部分进行debug解析。如果没看过之前文章的小伙伴,推荐先查看这个系列的第一篇和第二篇。下面贴上传送门:1.yolov5源码解析第一篇 架构设计和debug准备2.yolov5源码解析第二篇 backbone源码解析今天我们继续对model.py里的Detect类进行解析,这部分对应yolov5的检查头部分。detect类在model.py里,这部分代码如下:class Detect(nn.Modu
-
本文由『机器之心』授权转载参编辑 / 昱良链接:https://arxiv.org/pdf/1908.08847.pdf时尚电子商务平台通过搜索和个性化来简化服装购买。可...
-
新型智慧城市的创新实践和经验新型智慧城市建设以数据为核心,通过权属划分,要把城市各部门数据进行汇集治理,通过数据中枢,最终将城市的应用场景聚合起来,充分释放数据价值。同时,基于在新型智慧城市建设中的实践和思考,智慧城市建设与运营需要具备四大维度的能力,包含顶层设计能力、数据中台建设能力、智慧城市应用开发能力与生态培养赋能能力。CyberVein具备智慧城市建设运营的全栈式能力,是采用DAVE数据交换机建设新型智慧城市,接下来会结合五个能力维度进行解析。一、顶层设计能力利用大数据为智慧城市找到了出..
-
创建自己的虚拟环境相信很多人学习了很久Python,还不会安装虚拟环境,这里手把手教会你创建自己的虚拟环境,步骤如下:选择一个途径:如:以我的F盘为例新建文件夹并命名。(如:myproject)输入virtualenv .venv创建虚拟环境(.venv中的"."代表创建的是一个隐藏文件)创建完成后打开myproject,出现一个关于.venv的文件夹,表示环境创建成功双击进入.venv 里面的Scripts文件夹输入activate 点击回车激活并进入虚拟

-
目标检测是计算机视觉中的一个重要问题,近年来传统检测方法已难以满足人们对目标检测效果的要求,随着深度学习在图像分类任务上取得巨大进展,基于深度学习的目标检测算法逐渐成为主流。
-
基于轮廓调整的SOTA实例分割方法,速度达32.3fps | CVPR 2020
实例分割是许多计算机视觉任务中的重要手段,目前大多数的算法都采用在给定的bbox中进行pixel-wise分割的方法。受snake算法和Curve-GCN的启发,论文采用基于轮廓的逐步调整策略,提出了Deep snake算法进行实时实例分割,该算法将初始轮廓逐渐优化为目标的边界,如图1所示,达到很好的性能且依然保持很高的实时性(32.3fps) 。
-
64% 的企业未实现智能化,5成公司算法工程师团队规模小于 10人,AI 工程师的机遇在哪里?...
从就业的角度来看,由于算法工程化才是商业落地的核心关键,因此拥有扎实工程化能力的算法工程师更受青睐。另一方面,由于深度学习是以大数据为基础的,而感知智能中的计算机视觉又是目前深度学习较为成熟的应用,所以,机器学习和深度学习工程师,以及数据工程师、计算机视觉工程师成为热门岗位。
-
代替Mask R-CNN,BlendMask欲做实例预测任务的新基准?
实例分割是一种基础视觉任务。在今天要为大家介绍的工作中,作者通过有效地将实例级信息与具有较低级细粒度的语义信息结合起来,提升了掩码预测精度。本文的主要贡献是提出了一个Blender模块,该模块从自上而下和自下而上的实例分割方法中汲取了灵感。由于该方法简单且有效,作者希望本文的BlendMask可以作为各种实例预测任务的基准。
-
一般来说,基于树形结构的模型在Kaggle竞赛中是表现最好的,而其它的模型可以用于融合模型。对于计算机视觉领域的挑战,CNNs (Convolutional Neural Network, 卷积神经网络)是最适合不过的。而对于NLP(Natural Language Processing,自然语言处理),LSTMs或GRUs是最好的选择。下面是一个不完全模型细目清单,同时列出了每个模型的一些优缺点。
-
从LeNet到GoogLeNet:逐层详解,看卷积神经网络的进化
深度学习的兴起使卷积神经网络在计算机视觉方面大放异彩,本文将按时间和创新点顺序介绍一系列网络结构:LeNet、AlexNet、VGGNet、InceptionNet 与 ResNet。网络上大部分文章都只是草草讲述,本文小波仔仔细梳理,从问题的背景,网络结构,为什么设计这样的结构,参数数量各方面详细讲述CNN的进化之路。
-
在人工智能的发展越来越火热的今天,其中智能应用也在伴随着我们的生活,其中最具有代表性的便是图像识别,并且其中的应用比比皆是,如车站的人脸识别系统,交通的智能监控车牌号系统等等。而卷积神经网络作为图像识别的首选算法,对于图像的特征提取具有很好的效果,而TensorFlow作为Google的开源框架具有很好的结构化特征,而本篇文章将利用卷积神经网络算法对图像识别进行应用,开发出颜值评分器的功能。
-
在物体检测中的实验结果表明, 在使用更少的参数以及更低的计算花销的情况下,AttoNets 的效率与现有最优模型相当,并在准确率指标上大幅超越现有模型(与 MobileNet-V1相比,最小的 AttoNet 的准确率提升约 1.8%,使用的乘-加操作数和参数量减小了10倍)。另外,本文也在实例分割和物体探测应用中检测了 AttoNets 的效果,并发现与基于 ResNet-50 的 Mask R-Cnn 相比,通过使用基于 AttoNet的 Mask R-Cnn 网络,参数量和计算花销得到了大幅度降低(乘-加操作减少5倍,参数量减少2倍)。
-
十年公务员转行IT,自学AI三年,他淬炼出746页机器学习入门笔记
近期,梁劲传来该笔记重大更新的消息。《机器学习——从入门到放弃》这本笔记的更新没有停止,在基于上一版的基础上丰富了近 200 页计算机视觉领域的知识内容,目前最新版已达 746 页,累计下载近 8 万次。
-
从一张风景照中就学会的SinGAN模型,究竟是什么神操作?| ICCV 2019最佳论文
10 月 27 日-11 月 2 日,计算机视觉领域的顶级会议 International Conference on Computer Vision(ICCV)在首尔召开,10 月 29 日在大会上正式公布了最佳论文奖(Best Paper Award)由论文《SinGAN:从单张图像学习生成模型》(SinGAN: Learning a Generative Model from a Single Natural Image)获得,该论文介绍了一种无条件生成模型——SinGAN,它可以从单个自然图像中学习。该模型经过训练,可以捕获图像内斑块的内部分布,之后生成高质量、多样化的样本,视觉内容与原图像相同。用户研究证实,生成的样本通常可以假乱真,SinGAN 在各种图像处理任务中具有广泛的实用性。
-
ICCV 2019 | 中国研究者无缘最佳论文奖项,接收论文数量超美国,商汤57篇论文入选...
10 月 27 日-11 月 2 日,计算机视觉领域的顶级会议 International Conference on Computer Vision(ICCV)在首尔召开,10 月 29 日在大会上正式公布了最佳论文奖(Best Paper Award)由论文《SinGAN:从单张图像学习生成模型》(SinGAN: Learning a Generative Model from a Single Natural Image)获得,最佳学生论文奖(Best Student Paper Award)则由《PLMP——完整的多视图可见性中的点线最小问题》(PLMP——Point-Line Minimal Problems in Complete Multi-View Visibility)获得。
-
击败最新无监督域自适应方法,研究人员提轻量CNN新架构OSNet
这篇论文《Learning Generalisable Omni-Scale Representations for Person Re-Identification》是一篇关于行人再识别领域的新研究(Person Re-Identification , re-ID)。这篇论文中,作者们提出了一个新的CNN架构——OSNet,在实验效果方面,这一新模型架构击败了最新的无监督域自适应方法。
-
旷视张祥雨:高效轻量级深度模型的研究和实践 | AI ProCon 2019
在CSDN 主办的 2019 中国 AI 开发者大会(AI ProCon 2019)计算机视觉技术专题中,旷视研究院主任研究员、基础模型组负责人张祥雨主要从轻量级架构、模型裁剪、模型搜索三大思路讲述了高效轻量级深度模型的研究和实践。
-
推荐一篇前几天新出的投向TPAMI的论文:Imbalance Problems in Object Detection: A Review,作者详细考察了目标检测中的不平衡问题(注意不仅仅是样本中的不平衡问题)及其解决方案,是目标检测领域目前最新的也是非常独特的综述。
-
从服装关键点、信息检索、个性化推荐到智能试衣,电商AI技术如何进化?
近日,ICCV DeepFashion2 Challenge 2019公布了比赛结果,首次参赛的美图影像实验室MTlab凭借其在综合检测精度上的优势,以明显差距斩获服饰关键点估计(Landmark Estimation)赛道的冠军。DeepFashion2 Challenge此次共吸引18支国内外顶级技术团队参与,包括清华大学、阿里巴巴等知名企业及学术机构。
-
此前据传旷视融资额或高达 10 亿美元。CV 智识曾于今年 7 月份独家报道过当时旷视正谋求同股不同权赴港上市,且距离上市已非常接近。不到两个月的时间,旷视正式公布其上市计划。
-
超阿里、大华,澎思科技行人再识别(ReID)技术刷新三大数据集记录
近日,在行人再识别(Person Re-identification,简称ReID)算法上澎思科技取得了突破,在三大主流ReID数据集测试Market1501、DukeMTMC-reID和CUHK03中,算法关键指标首位命中率(Rank-1 Accuracy)刷新了世界纪录。
-
在包含众多人像的照片中,由于每个人的穿着和动作各异,同时人与人之间存在各种交互信息,以及所处的场景不同,我们通过肉眼来确定C位的时候可能会出现各种偏差。在人工智能快速发展的今天,我们能否可以通过AI来自动找出C位呢?答案当然是肯定的。在这篇文章中,我们将介绍如何利用计算机视觉和深度学习技术构建一个性能优异的C位检测器,从而快速准确地在一群人中发现真正站C位的那个最重要的人。

活动
-
2021.03.31
-
2020.12.25
-
2020.06.02
-
2020.06.12
-
2020.07.04
精品推荐
热门推荐
学习资源
关于我们

关注「AI科技大本营」
转载 & 投稿(微信):1092722531
商务合作(微信):15222814505